基于语音存在概率的语音活动检测方法.docVIP

基于语音存在概率的语音活动检测方法 　　【 论文 关键词】语音增强　语音活动检测　语音存在概率 　　【论文摘要】首先 总结 了几种常见的语音活动检测（VAD）方法，然后从 计算 每帧每个频率点的语音存在概率出发，提出了一种新的VAD方法，并就其中的一些参数选择问题进行了讨论。最后给出新方法与传统方法实验结果对比。 　　1引言 　　日常生活中，人们说话有间隙，有必要对一段语音进行检测，以确定哪些时间上是有语音，哪些时间上没有语音。在语音编码中，语音活动检测（Voice ActivityDetection，VAD）用来区分有语音段和无语音段。如果一段时间被判断为无语音段，则不需对其编码。这样可减少信道带宽的占用，使有限的带宽得到合理使用。在语音增强中，VAD用来判断一段时间上是否存在语音。如果某段时间内不存在语音，那么这段时间就只有噪声存在，因此可以被用来估计和更新噪声功率谱。在语音增强领域，VAD的性能往往直接影响到最后的结果。因为目前多数的语音增强算法必须对噪声功率谱进行估计，如果噪声功率谱估计不准确，就会导致最后的增益函数估计不准确。准确的噪声功率谱估计须建立在准确的纯噪声段判断的基础上。 　　笔者提出了一种新的VAD方法，这种方法建立在每帧每个频率点的语音存在概率的基础上。根据概率大小判断是否存在语音。 　　2语音存在概率估计 　　为进行VAD，首先对每帧每个频率点进行语音存在概率估计，该估计大致分为两步：（1）估计是否存在强语音成分；（2）估计语音不存在概率和语音存在概率。含噪语音由纯净语音和噪声叠加而成，所以假设 　　Y（k，l）=X（k，l）+D（k，l）（1） 　　其中，Y（k，l）为含噪信号，X（k，l）为纯净语音，D（k，l） 　　为噪声，k为某一帧的频率点编号，l为帧编号。 　　2.1估计是否存在强语音成分 　　含噪语音中某些地方会有明显的语音存在，由于后面估计语音不存在概率需要用到相邻帧的信息，所以强语音成分存在会严重影响到语音不存在概率估计。因此有必要先对某帧是否存在强语音进行判断，如果是，那么在下面的语音不存在概率估计过程中将不会用到此帧的信息。 　　对于含噪信号，要进行两次平滑，一次是帧内平滑，一次是帧间平滑。首先进行帧内平滑 　　 　　其中，αs为平滑参数且0αs1。然后搜索D帧中各频率点的最小值，即Smin（k，l）=min{S（k，l′）|l-D+1≤l′≤l}（4）根据 文献 [1]可找到Bmin，满足E{Smin（k，l）}=B-1min·λd（k，l）（5）也就是说可通过一个补偿因子Bmin估计出当前帧的噪声功率谱。定义 　　 　　根据γmin和ζ，按照下面的判决准则，判断当前帧是否含有强语音成分 　　 　　其中，“0”为有强语音存在，“1”为没有强语音存在，γ0=4.6，ζ0=1.67。 　　2.2估计语音不存在概率和语音 　　存在概率利用前面强语音成分判断的结果，可通过先排除含有强语音成分的频率点，再进行帧内平滑和帧间平滑，最后得到对应于每帧每个频率点的估计量。这个估计量反映了该帧每个频率点上能量情况。如某帧是无语音帧，则其各频率点上的估计量将会较小。再通过对一段区间上搜索最小估计量，将搜索到的结果作为参照标准。当某帧某个频率点的估计量超过参照标准的若干倍时，即判定此处含有语音，否则就不含有语音。首先，利用是否存在强语音的判决结果进行新的帧内平滑和帧间平滑。先进行帧内平滑 　　 　　 的计算用到了I（k，l），排除了强语音存在的频率点。再进行帧间平滑 　　 　　然后同前面估计是否存在强语音成分一样，进行区间最小值搜索 　　 　　定义 　 　l ）=E{D（k，l）2}。由于按照式（13）计算语音存在概率需要估计先验信噪比ξ和后验信噪比γ，如果估计不准确，必然导致VAD结果不准确。故这里对此进行简化，直接用1减去q（k，l）作为语音存在概率p（k，l）。 　　3利用语音存在概率进行VAD 　　3.1检测指标计算 估计出语音存在概率后，还不能直接用来进行VAD，因为这些概率是针对每一个频率点的，需要将这些信息转换为某一帧的评价量。通过对语音存在概率随时间和频率点分布的观察，发现有2项指标可被用来比较准确地辨别出有声段和无声段，分别是 　　 　　其中，pt为某一帧所有频率点的语音存在概率之和，pe为某一帧上语音存在概率为1的所有频率点个数，M为有频率点数。但是，实验表明，这两个参数虽然总体上可以看出哪些是无声段哪些是有声段，但起伏可能非常剧烈，所以需要进行平滑处理。设定 　　 　　其中，采用了当前帧前面4帧的数据进行平滑。 　　3.2参数设定 　　判断是否存在语音主要看式（17）~（18）中2个指标是否超过某个门限。具体为 　　 　　其中，式（19）~（20）对一